Qwen3-30B A3B Instruct
нейросеть
Qwen3-30B-A3B-Instruct — mixture-of-experts модель с 30.5 млрд параметров и 3.3 млрд активных параметров на инференс, работающая в non-thinking режиме. Предназначена для качественного следования инструкциям и мультиязычного понимания входных данных; архитектура MoE обеспечивает экономичное использование ресурсов при инференсе. Доступна через BotHub из личного кабинета с оплатой в рублях и без необходимости VPN.
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 262 144 токена
- Макс. длина ответа
- 235 929 токенов
- Возможности
- вызов функций
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'qwen3-30b-a3b-instruct-2507',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'qwen3-30b-a3b-instruct-2507',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Как работает Qwen3-30B A3B Instruct?
Попробуйте Qwen3-30B-A3B-Instruct на BotHub — доступ в рублях и без VPN.Частые вопросы о Qwen3-30B A3B Instruct
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Это инструкционно настроенная текстовая модель с поддержкой работы с документами, изображениями и инструментами. Подходит для генерации и правки текста, суммирования и извлечения информации из документов, обработки изображений как источника текста и интеграции в системные сценарии с вызовом функций.
Модель способна выдавать большие объёмы текста в одном ответе — конкретные ограничения задаёт платформа и внутренние настройки. Для очень длинных материалов практичнее делить генерацию на части и использовать контекстные подсказки, чтобы сохранить связность и контроль над содержанием.
В наших данных это не отмечено, поэтому нельзя гарантировать наличие встроенной опции по явным цепочкам рассуждений. Вы можете стимулировать пошаговое мышление через промпты, проверять промежуточные выводы и применять поэтапную генерацию для повышения прозрачности логики.
Да, модель поддерживает вызов функций и структурированный вывод в формате JSON, что удобно для интеграции с внешними сервисами и автоматизированной обработкой. Это позволяет получать машинно-валидные ответы и передавать результаты в другие компоненты системы.
Модель принимает текст и изображения, а также умеет работать с документами как источником текста; по аудио и видео в наших данных не отмечено. Для работы с аудио/видео стоит проверить возможности API или предварительно конвертировать их в текст или кадры.
В данных качество понимания русского языка специально не указано. Многие instruction‑tuned модели адекватно работают с несколькими языками, но для уверенности протестируйте модель на ваших примерах и оцените пригодность результатов для задач продакшена.